GitHub Spec-Kit：AI 时代的规范驱动开发工具

在 AI 编程时代，很多团队已经能用 Claude、Copilot 或 GPT 辅助写代码，但大多数项目仍停留在「prompt + 生成 + 调整」的模式上------快，但缺乏结构，难以复用，也难追踪。

GitHub 推出的 Spec-Kit 尝试解决这个问题。它不是新的框架或语言，而是一套 "规范驱动开发（Spec-Driven Development, SDD）" 工具链 ：让开发流程从 需求意图 出发，经由可执行的 规格（spec） 、计划（plan） 、任务（tasks），再进入具体实现。

简而言之，Spec-Kit 让 "规范" 不再只是文档，而成为 驱动代码生成、任务拆解和一致性校验的中枢 。

它通过一套 CLI 工具和 AI 指令流（如 /speckit.specify、/speckit.plan、/speckit.implement）将整个开发过程结构化、可追溯、可协作。

一、Spec-Kit 的核心理念

Spec-Kit 的出发点是：代码只是实现，规范才是源头。

传统开发往往是「需求 → 架构 → 编码 → 测试」，而在 AI 驱动的时代，这种线性流程容易被 prompt 打乱。

Spec-Kit 希望用工具和约定，让团队重新把"规格"放到流程中心。

核心原则包括：

意图驱动：先表达"要做什么 / 为什么做"，而非技术实现。
多步细化：通过多阶段命令逐步澄清、计划、实现，而不是一条 prompt 出代码。
宪法机制（Constitution）：可设定项目规则、代码风格、测试标准，AI 在执行时会遵守。
技术中立：支持任意语言和框架。
AI 协作：可与 GitHub Copilot、Claude、Gemini 等 AI 代理协同工作。

二、安装与基本使用

Spec-Kit 提供了命令行工具（CLI），可通过 uv 安装使用。

bash 复制代码

uv tool install specify-cli --from git+https://github.com/github/spec-kit.git
specify init <PROJECT_NAME>
specify check

或者使用一次性运行方式：

bash 复制代码

uvx --from git+https://github.com/github/spec-kit.git specify init <PROJECT_NAME>

如果提示没有安装 uv 命令，Linux 下用

bash 复制代码

# 添加官方仓库
curl -fsSL https://astral.sh/uv/install.deb.sh | sudo bash
# 安装 uv
sudo apt install uv

或

bash 复制代码

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows 下

bash 复制代码

winget install --id=astral-sh.uv -e

Mac 下

bash 复制代码

brew install uv

进入到目录后，发现新建了 .claude 和 .specify 两个目录和一些文件。

初始化后，项目结构会包含以下关键部分：

constitution/：项目"宪法"，定义团队开发规范
spec/：功能规格描述
plan/：AI 生成的技术实现方案
tasks/：任务拆分与执行计划

执行 claude 命令，也会看到多了很多自定义命令

三、完整开发流程示例

以开发一个 "待办事项（Todo）应用" 为例，完整流程如下：

定义宪法（/speckit.constitution）

yaml 复制代码

一个用来管理 不同大模型平台 使用 claude code 工具要配置的参数，
如  ANTHROPIC_API_KEY，ANTHROPIC_BASE_URL 这些的PC端网站，
使用浅色主题。页面简洁、美观，代码清晰易读，不要过度优化。

撰写规格（/speckit.specify）

复制代码

用户可以创建、查看、删除 Todo 项目，
每个项目包含 title、description、due_date，
支持在项目下创建任务并标记完成状态。

澄清规范（/speckit.clarify）

工具会自动生成澄清问题：
- 是否支持项目优先级？
- 删除项目时是否级联删除任务？
- 权限与错误返回如何定义？
生成技术方案（/speckit.plan）

输出结构化实现方案：
- 后端：Node.js + Express + PostgreSQL
- 模块划分：ProjectService、TaskService、Controller 层
- API 列表、数据模型、错误返回规范
任务拆解（/speckit.tasks）

自动拆分为：
- 创建数据库模型
- 编写 API 控制器
- 添加单元测试与异常测试
- 部署与集成验证
实现（/speckit.implement）

工具可按任务顺序自动生成初始代码、测试桩及基本文件结构，供开发者进一步完善。

通过这套流程，整个项目从「业务意图 → 可执行规格 → 实现」形成闭环。

四、与传统开发的区别

模式	关注点	规格作用	特点
传统开发	技术架构、实现	辅助文档	快但易偏离需求
TDD（测试驱动）	代码正确性	体现在测试中	聚焦质量，规格弱化
BDD（行为驱动）	用户行为	用例描述	业务友好
Spec-Kit（SDD）	业务意图、一致性	核心产物、可执行	与 AI 协作、结构化、可追溯

Spec-Kit 不是替代 TDD / BDD，而是更高一层的"元规范层"：

它让测试、实现、文档都从同一个"规格源头"出发。

五、优势与挑战

✅ 优势

让 AI 开发结构化、有章可循
规范与代码保持一致，可追踪来源
提升团队协作效率
减少反复生成与沟通成本

⚠️ 挑战

学习曲线：团队需要适应新流程
对 AI 能力依赖较高
变更与版本控制成本上升
代码仍需人工复审与优化

六、适用场景

推荐使用：

新项目或重构项目
多人协作、规格要求高的团队
AI 驱动开发团队（使用 Copilot / Claude 等）
需要审计与一致性的企业级项目

不建议使用：

小型快速原型项目
团队对 AI 工具不熟悉
对性能和底层优化要求极高的系统

七、总结与展望

GitHub Spec-Kit 是一次结构化 AI 辅助开发的探索。

它让 "规格" 从被动文档变成了 可执行的开发中枢，让 AI 编程不再只是"生成代码"，而是能在规范、计划、任务到实现的全链路中发挥作用。

对于追求更系统化、可追踪、可复用开发流程的团队来说，Spec-Kit 值得试用。

这也许就是下一代软件工程的雏形------从 prompt 到 process 的转变。